模型/DMD2 | 1 CFG SCALE | 減少步數 - V5 | DTLVVTT_DMD2 (LITE)

DMD2 | 1 CFG SCALE | 減少步數 - V5 | DTLVVTT_DMD2 (LITE)

陳嘉欣 (Chan Ka-yan)

10/15/2025

1:24:44 AM

| Discussion|

提示

如果需要更多步數才能達到理想效果，請提升 LoRA 強度或添加如「hdr」的正向提示以增強光線和細節。

使用負向提示如「flat color」來控制飽和度和陰影。

降低 LoRA 強度以在不讓圖像過飽和的情況下使用更高的 CFG 比例。

嘗試調整強度與 CFG 比例，尋找最佳平衡點。

版本亮點

DTLVVTT_DMD2
從 Velvette-XL_V1.1（已刪除版本）提取為 LoRA（162 MB），再融合成 DMD2 基底。此版本保留了 DMD2 簡化步數的特色，且更輕量、更穩定、易於使用。

當 Matched 以 100% 滿強度運行，且深入檢查點提取嵌入風格時，是較為精技術性且需要精確提示的工具；而 VVTT_DMD2 運行強度約為其 70%，更順滑易控，即使於強度 1 下也能很好運作，不需精細調教提示。

最佳部分是：你可以獨立使用以保持簡潔，或與 Matched 結合堆疊額外細節。簡言之，VVTT_DMD2 是較萬能的選擇，適合不想太費心設計提示的人。

你好，你可能會想：為什麼有這麼多版本？

這個問題我若是你也會問。原因很簡單：它這樣設計是為了提供更多掌控權，因為與一般 LoRA 不同，DMD2 在最大強度下效果最佳。

例如：

HD 1 CFG Scale 強度較「稀釋」，需要觸發器或手動提升 LoRA 強度輔助。這使它在 Illustrious 中與 PDXL LoRA 組合非常實用，因為你可以簡單調升強度卻不損失細節。
DPM A1 和 DPM A15 已增強強度和細節，不需要觸發器。A1 是標準強度，A15 則加強 15%。
V4 是嘗試用 2 步驟生成圖像的實驗。它與 HD 1 CFG 反向設計：不減弱強度以提升穩定性，而是把強度提高了 1.35 倍（比 DPM A15 多 20%）。

總之：取決於你的喜好與目標。例如 V4 會產生更多「噪點」（細節），除非搭配寫實的 checkpoint，否則可能犧牲部分真實感。

那這個是做什麼用的？

此 LoRA 基於 DMD2 架構與風格，是一種通過減少生成步數而不犧牲視覺品質來優化擴散模型的知名方法。

那麼... DMD2 是什麼？

DMD2（Denoising Diffusion Probabilistic Model 2）是概率擴散模型的一個變體，旨在通過迭代去噪過程從噪聲生成高質量圖像。
根據文獻（例如 Ho 等人，2020 年，Denoising Diffusion Probabilistic Models），DMD2 通過減少實現與傳統模型如 DDPM 相當品質所需的步數，優化去噪過程。

DMD2 使用改進的反向擴散參數化，調整變異權重和去噪項以加快收斂。
在 LoRA 領域，DMD2 作為基底用於訓練低秩適配模組，調整預訓練模型（如 Stable Diffusion）以完成特定任務，降低計算成本同時保持視覺品質。

總結：

此處描述的 LoRA（HD_DMD2_1_CFG-SCALE、DPM_4STEPS_A1、DPM_4STEPS_A15及 V4）是利用 DMD2 結構，以 CFG 比例 1 運行的改編版本。

這點特別有趣，因為通常需要較高的 CFG 比例來維持品質，但這些 LoRA 能將步數減到 4、6、8 或 10（10 是 Civitai 允許的最低值），同時達成出色效果——生成時間從數分鐘減至數秒。

主要特點

優化快速生成：設計用於以極少推理步驟（4、6 或 8）產生高質量圖像，實現快速高效生成。
低有效 CFG 比例：最佳效果約於 CFG 比例 1，平衡創造力與忠實度，避免過擬合。
三種變體滿足不同需求：含適用於 8、6 及 4 步的版本，依速度和細節需求提供彈性。
穩健視覺品質：即使減少步數，也維持色彩、質地與構圖的強細節，適用需兼顧速度與品質的應用。
適用範圍廣泛：適合希望優化生成時間而不犧牲影像定義的用戶。

使用說明與建議

若使用的 LoRA 需要更多步數才能取得良好結果，可以提高 LoRA 強度或添加如 「hdr」 之類的正向提示以提升光線和細節，及如 「flat color」 的負向提示以控制飽和度和陰影。
或者降低 LoRA 強度，允許使用更高 CFG 比例而不會使圖像過飽和。但由於此 LoRA 主要為 CFG 比例 1 優化，理想強度會依具體用途有所不同。
可嘗試調整強度和 CFG 比例，以在工作流程和期望風格中找到最佳平衡。